近年來，隨著計算機技術、通訊技術的發展，特別是軍事上的迫切要求，多傳感器信息融合技術得到了迅速的發展。信息融合作為一門跨學科的綜合信息處理理論，涉及系統論、信息論、控制論、人工智能和計算機通信等眾多的領域和科學，它被廣泛應用于自動目標識別、戰場監視、自動飛行器導航、機器人、遙感、醫療診治、圖像處理等領域。信息融合技術首先應用于軍事領域，包括航空目標的探測、識別和跟蹤，以及戰場監視、戰術態勢估計和威脅估計等；在地質科學領域上，信息融合應用于遙感技術，包括衛星圖像和航空拍攝圖像的研究；在機器人技術和智能航行器研究領域，信息融合主要被應用于機器人對周圍環境的識別和自動導航；信息融合技術也被應用于醫療診斷以及一些復雜工業過程控制領域。

　　（２）關聯的二義性。在一個多傳感器系統中，每一種傳感器所提供的數據不可避免地受環境狀態和傳感器本身特性的制約，因而不同的傳感器對環境中同一特征所測的數據有時彼此差別很大甚至是矛盾的，這就造成關聯的二義性。如何降低關聯的二義性是信息融合研究必須解決的問題。

　　（３）信息融合方法與融合系統實施存在問題。目前，大多數信息融合是經一種簡單的方法合成信息的，并未充分有效地利用多傳感器所提供的冗余信息，融合方法研究還處于初步階段，而且目前很多研究工作是基礎研究和仿真工作。因此，信息融合系統的設計實施還存在許多實際問題：傳感器動態測量誤差模型的建立、傳感器系統優化、復雜動態環境下系統實時性、大型知識庫的建立與管理，與其他領域的很多新技術的“嫁接和融合”，如人工智能技術、神經網絡計算、虛擬實現技術等。５多傳感器信息融合技術研究方向展望（１）確立具有普遍意義的信息融合模型標準和系統結構標準。目前已有的信息融合模型大都脫胎于軍事應用領域，具有較濃重的軍事應用色彩，而且對系統的融合層次架構存在著不同的看法，因此需要確立較為統一的標準，以方便相互交流。（２）將信息融合技術應用到更廣泛的新領域。雖然信息融合已經從軍事領域擴展到民用領域，但是它涉及的領域還有擴展的余地，比如說智能建筑系統集成等。

　　神經網絡算法是在現代神經生物學和認知科學對人類信息處理研究成果的基礎上提出的，它具有良好的容錯性、層次性、可塑性、自適應性、聯想記憶和并行處理能力。４多傳感器信息融合技術存在的問題

　　（１）未形成基本的理論框架和廣義融合算法。目前，絕大數的融合研究皆是針對特定的應用領域的特定問題展開的。即根據問題的種類，各自建立直觀的融合準則，形成“最佳”融合方案，未形成完整的理論框架和融合模型，使得融合系統的設計具有一定的盲目性。

　　證據理論是對概率論的擴展，依據信任函數運算，解決了一般的不確定問題。它能融合不同層次上的屬性信息，能區分不確定性信息與未知性信息，還能較好地解決報告沖突，容錯能力強，但是證據理論也存在著不足，即證據沖突的情況下，Ｄ－Ｓ證據組合將無法進行或組合結果與實際不相符合。３．３模糊集方法該方法是用某種模型，系統地反映數據融合過程的不確定性，并通過模糊推理來完成數據融合。

　　決策層Hale Waihona Puke Baidu合是指在每個傳感器對目標做出識別后，將多個傳感器的識別結果進行融合（見圖４）。由于對傳感器的數據進行了濃縮，這種方法產生的結果相對而言最不準確，但它對通信寬帶的要求最低。

　　對于多傳感器融合系統特定的工程應用，應綜合考慮傳感器的性能、系統的計算能力、通信寬帶、期望的準確率以及資金能力等因素，以確定哪種層次是最優的。另外，在一個系統中，

　　多傳感器信息融合，又稱多傳感器數據融合，指的是對不同知識源和多個傳感器所獲得的信息進行綜合處理，消除多傳感器信息之間可能存在的冗余和矛盾，利用信息互補，降低不確定性，以形成對系統環境相對完整一致的理解，從而提高智能系統決策和規劃的科學性、反應的快速性和正確性，進而降低決策風險過程。圖１是多傳感器信息融合的示意圖，傳感器之間的冗余信息增強了系統的可靠性，多傳感器之間的互補信息擴展了單個傳感器的性能。

　　國內外多傳感器信息融合的方法主要有：概率論方法、Ｄ－Ｓ證據推理、模糊集合理論、神經網絡方法。

　　概率論方法較早應用于信息的融合。這種方法首先對各種傳感器信息作相容性分析，刪除可信度很低的錯誤信息，在假設已知相應的先驗概率的前提下，對有用的信息進行貝葉斯估計，以求得最優的融合信息。Ｈ.Ｐａｎ等認為，貝葉斯方法的優點是簡潔，易于處理相關事件；缺點是不能區分不知道與不確定的信息，而且要求處理的對象相關。特別是在實際應用中很難知道先驗概率，當假設的先驗概率與實際矛盾時，推理的結果會很差，在處理多重假設和多重條件時會顯得相當的復雜。３．２證據理論

　　一般而言，多傳感器融合系統具有以下優點：一是提高系統的可靠性和魯棒性，二是擴展時間上和空間上的觀測范圍，三是增強數據的可信任度，四是增強系統的分辨能力。２多傳感器信息融合的層次問題

　　在此，主要介紹普遍為學者所接受的３層融合結構，即數據層、特征層和決策層。

　　數據層融合見圖２，首先將全部傳感器的觀測數據融合，然后從融合的數據中提取特征向量，并進行判斷識別。這便要求傳感器是同質的，如果多個傳感器是異質的，那么數據只能在特征層或決策層進行融合。數據層融合不存在數據丟失的問題，得到的結果也是最準確的，但對系統通信帶寬的要求很高。特征層融合見圖３，每種傳感器提供從觀測數據中提取有代表性的特征，這些特征融合成單一的特征向量，然后運用模式識別的方法進行處理。這種方法對通信帶寬的要求很低，但由于數據的丟失使其準確性有所下降。

　　必一運動

　　傳感器獲得的信息有３類：冗余信息、互補信息和協同信息。冗余信息是由多個獨立傳感器提供的關于環境信息中同一特征的多個信息，也可以是某一傳感器在一段時間內多次測量得到的信息。在一個多傳感器系統中，若每個傳感器提供的環境特征是彼此獨立的，即感知的是環境各個不同側面的信息，則這些信息稱為互補信息。在一個多傳感器系統中，若一個傳感器信息的獲得必須依賴另一個傳感器的信息，或一個傳感器必須與另一個傳感器配合工作才能獲得所需的信息時，則這兩個傳感器提供的信息稱為協同信息。